L’IA révèle une nouvelle façon de renforcer les alliages de titane et d’accélérer la fabrication

La production de pièces d’alliage de titane haute performance – que ce soit pour les vaisseaux spatiaux, les sous-marins ou les dispositifs médicaux – a longtemps été un processus lent et à forte intensité de ressources. Même avec des techniques avancées d’impression 3D en métal, trouver les bonnes conditions de fabrication a nécessité des tests approfondis et un réglage fin.

Et si ces pièces pouvaient être construites plus rapidement, plus fortes et avec une précision presque parfaite?

Une équipe comprenant des experts du Johns Hopkins Applied Physics Laboratory (APL) à Laurel, Maryland et de la Johns Hopkins Whiting School of Engineering tire parti de l’intelligence artificielle pour en faire une réalité. Ils ont identifié des techniques de traitement qui améliorent à la fois la vitesse de production et la force de ces matériaux avancés – une avance avec des implications de la mer profonde à l’espace.

« La nation fait face à un besoin urgent d’accélérer la fabrication pour répondre aux demandes des conflits actuels et futurs », a déclaré Morgan Trexler, directeur de programme pour Science of Extreme and Multifonctional Materials dans la zone de recherche de recherche et de développement exploratoire d’APL.

« Chez APL, nous avançons des recherches sur la fabrication additive à base de laser pour développer rapidement des matériaux prêts pour la mission, garantissant que la production maintient le rythme dans l’évolution des défis opérationnels. »

Les résultats, publiés dans la revue Fabrication additiveFocus sur Ti-6Al-4V, un alliage de titane largement utilisé connu pour sa résistance élevée et son faible poids.

L’équipe a exploité des modèles dirigés par l’IA pour cartographier les conditions de fabrication auparavant inexplorées pour la fusion de lit de poudre laser, une méthode de métal d’impression 3D. Les résultats remettent en question les hypothèses de longue date sur les limites de processus, révélant une fenêtre de traitement plus large pour produire du titane dense et de haute qualité avec des propriétés mécaniques personnalisables.

La découverte fournit une nouvelle façon de réfléchir au traitement des matériaux, a déclaré le co-auteur Brendan Croom.

« Pendant des années, nous avons supposé que certains paramètres de traitement étaient » interdits « pour tous les matériaux car ils se traduiraient par un produit final de mauvaise qualité », a déclaré Croom, un scientifique des matériaux seniors chez APL.

« Mais en utilisant l’IA pour explorer la gamme complète des possibilités, nous avons découvert de nouvelles régions de traitement qui permettent une impression plus rapide tout en maintenant – ou même en améliorant – la résistance et la ductilité de la matériel, la possibilité d’étirer ou de se déformer sans se casser. Maintenant, les ingénieurs peuvent sélectionner les paramètres de traitement optimaux en fonction de leurs besoins spécifiques. »

Ces résultats sont prometteurs pour les industries qui reposent sur des pièces de titane haute performance. La capacité de fabriquer des composants plus forts et plus légers à des vitesses plus élevées pourrait améliorer l’efficacité de la construction navale, de l’aviation et des dispositifs médicaux. Il contribue également à un effort plus large pour faire progresser la fabrication additive pour l’aérospatiale et la défense.

Les chercheurs de la Whiting School of Engineering, y compris Somnath Ghosh, intègrent des simulations axées sur l’IA pour mieux prédire comment les matériaux fabriqués additivement fonctionneront dans des environnements extrêmes.

Ghosh co-dirige l’un des deux instituts de recherche sur la technologie spatiale de la NASA (STRIS), une collaboration entre Johns Hopkins et Carnegie Mellon s’est concentrée sur le développement de modèles de calcul avancés pour accélérer la qualification et la certification matérielle.

L’objectif est de réduire le temps nécessaire pour concevoir, tester et valider de nouveaux matériaux pour les applications spatiales – un défi qui s’aligne étroitement sur les efforts d’APL pour affiner et accélérer la fabrication du titane.

Un saut majeur en avant

Cette percée s’appuie sur des années de travail chez APL pour faire progresser la fabrication additive. Lorsque Steve Storck, le scientifique en chef des technologies de fabrication du département de recherche et de développement exploratoire d’APL, est arrivé au laboratoire en 2015, il a reconnu que la pratique avait ses limites.

« À l’époque, l’un des plus grands obstacles à l’utilisation de la fabrication additive à travers le ministère de la Défense était la disponibilité des matériaux – chacune de la conception nécessitait un matériau spécifique, mais des conditions de traitement robustes ne existent pas pour la plupart d’entre elles », a rappelé Storck.

« Le titane était l’un des rares à répondre aux besoins du DoD et avait été optimisé pour correspondre ou dépasser les performances de fabrication traditionnelles. Nous savions que nous devions étendre la gamme de matériaux et affiner les paramètres de traitement pour débloquer pleinement le potentiel de la fabrication additive. »

APL a passé des années à affiner la fabrication des additifs, en se concentrant sur le contrôle des défauts et les performances des matériaux. L’équipe de StorCK a développé un cadre d’optimisation rapide des matériaux, un effort qui a conduit à un brevet déposé en 2020. En 2021, l’équipe APL a publié une étude dans le digestion technique de Johns Hopkins APL examinant l’impact des défauts sur les propriétés mécaniques.

Ce cadre – conçu pour accélérer considérablement l’optimisation des conditions de traitement – a fourni une base solide pour la dernière étude. S’appuyant sur ce travail de base, l’équipe a exploité l’apprentissage automatique pour explorer une gamme sans précédent de paramètres de traitement, ce qui aurait été peu pratique avec les méthodes traditionnelles d’essai et d’erreur.

L’approche a révélé un régime de traitement à haute densité précédemment rejeté en raison de préoccupations concernant l’instabilité des matériaux. Avec des ajustements ciblés, l’équipe a déverrouillé de nouvelles façons de traiter TI-6AL-4V, optimisée depuis longtemps pour la fusion de lit de poudre laser.

« Nous ne faisons pas seulement des améliorations supplémentaires », a déclaré Storck. « Nous trouvons entièrement de nouvelles façons de traiter ces matériaux, de déverrouiller les capacités qui n’étaient pas considérées auparavant. En peu de temps, nous avons découvert des conditions de traitement qui ont poussé les performances au-delà de ce qui était possible. »

AI trouve les motifs cachés

Les propriétés du titane, comme celles de tous les matériaux, peuvent être affectées par la façon dont le matériau est traité. La puissance du laser, la vitesse de balayage et l’espacement entre les pistes laser déterminent comment le matériau se solidifie, qu’elle devienne forte et flexible ou cassante et défectueuse. Traditionnellement, trouver la bonne combinaison nécessitait des tests lents d’essais et d’erreurs.

Au lieu d’ajuster manuellement les paramètres et d’attendre les résultats, l’équipe a formé des modèles d’IA utilisant l’optimisation bayésienne, une technique d’apprentissage automatique qui prédit la prochaine expérience la plus prometteuse basée sur des données antérieures.

En analysant les résultats des tests précoces et en affinant ses prévisions à chaque itération, l’IA s’est rapidement attachée dans les meilleures conditions de traitement – les chercheurs pour explorer des milliers de configurations pratiquement avant d’en tester une poignée en laboratoire.

Cette approche a permis à l’équipe d’identifier rapidement les contextes auparavant inutilisés, dont certains avaient été rejetés dans la fabrication traditionnelle – qui pouvaient produire du titane plus dense et plus dense. Les résultats ont renversé les hypothèses à long terme sur les paramètres laser donnent les meilleures propriétés de matériau.

« Il ne s’agit pas seulement de fabriquer des pièces plus rapidement », a déclaré Croom. « Il s’agit de trouver le bon équilibre entre la force, la flexibilité et l’efficacité. L’IA nous aide à explorer les régions de traitement que nous n’aurions pas considérées par nous-mêmes. »

Storck a souligné que l’approche va au-delà de l’amélioration de l’impression en titane – il personnalise les matériaux pour des besoins spécifiques.

« Les fabricants recherchent souvent des paramètres uniques, mais nos sponsors ont besoin de précision », a-t-il déclaré. « Que ce soit pour un sous-marin dans l’Arctique ou un composant de vol dans des conditions extrêmes, cette technique nous permet d’optimiser pour ces défis uniques tout en maintenant les performances les plus élevées. »

Croom a ajouté que l’expansion du modèle d’apprentissage automatique pour prédire les comportements matériels encore plus complexes est un autre objectif clé. Les premiers travaux de l’équipe ont examiné la densité, la force et la ductilité, et Croom a déclaré qu’il avait des yeux sur la modélisation d’autres facteurs importants, comme la résistance à la fatigue ou la corrosion.

« Ce travail a été une démonstration claire de la puissance de l’IA, des tests à haut débit et de la fabrication basée sur les données », a-t-il déclaré.

« Il prenait des années d’expérimentation pour comprendre comment un nouveau matériel réagirait dans les environnements pertinents de notre sponsor, mais que se passe-t-il si nous pouvions plutôt apprendre tout cela dans des semaines et utiliser cette perspicacité pour fabriquer rapidement des alliages améliorés? »

Le succès de cette recherche ouvre la porte à des applications encore plus larges. L’article récemment publié s’est concentré sur le titane, mais la même approche axée sur l’IA a été appliquée à d’autres métaux et techniques de fabrication, y compris des alliages spécifiquement développés pour profiter de la fabrication additive, a déclaré Storck.

Un domaine de l’exploration future est de la surveillance dite in situ: la capacité de suivre et d’ajuster le processus de fabrication en temps réel.

Storck a décrit une vision où la fabrication d’additifs métalliques de pointe pourrait être aussi transparente que l’impression 3D à la maison: « Nous envisageons un changement de paradigme où les futurs systèmes de fabrication additive peuvent s’ajuster lorsqu’ils impriment, assurant une qualité parfaite sans avoir besoin d’un post-traitement approfondie et que les pièces peuvent être nées qualifiées. »